代码、数据集、文章我都是放到了https://github.com/AAAZC/SVM_blog上面了，文章在issues里面，建议上这个网站看《机器学习实战》：通俗理解支持向量机关于这篇文章​《机器学习实战》终究只是一本实践型的书籍，它更多地是为了带着读者去了解算法的使用，而减少了理论部分的比重。就如第六章：支持向量机，它里面最关键的分类器求解优化问题只有不到两页。支持向量机的知识本来就晦涩难懂

如下图所示，这个是MNIST的神经网络，在学习CNN的过程中我我发现一个问题，为什么单通道的输入图像卷积之后变成了32个通道这个是我自己的想法：官方的说法就是通道数就是使用的卷积核的个数，其实说的通俗一些就是：像下面这张图一样，假设我们输入的图是RGB3通道的，如果我们只卷积一次，就只会输出一个值，但是输入图片是三个通道的，现在通道倒反还减少了，我觉得这样不好，所以我又做了一个卷积核再让他卷积（卷

在学习数据准备的时候遇到一个问题让我想了很久：就是from sklearn.preprocessing import LabelEncoder里面的这个fit_transform到底是个什么意思？它输出的序列到底是什么？我翻了很多本站点的文章都没能解决我的问题，查的资料都说这个是将数据标准化了，那你倒是说啊，以什么为标准化，标准化的方法太多了。在想清楚以后我给出我的理解：我们直接看代码#我们先看看